可视化多个“直方图”（条形图）

我很难选择正确的方式来可视化数据。假设我们有一家书店出售书籍，每本书至少都有一个类别。

对于书店，如果我们计算书籍的所有类别，我们将获得一个直方图，该直方图显示属于该书店特定类别的书籍数量。

我想形象化书店的行为，我想看看他们是否喜欢某个类别而不是其他类别。我不想看看他们是否一起都喜欢科幻小说，但我想看看他们是否平等地对待每个类别。

我有约100万家书店。

我想到了4种方法：

1. 采样数据，仅显示500家书店的直方图。使用10x10网格在5个单独的页面中显示它们。4x4网格的示例：

   

2. 与＃1相同。但是这次根据它们的计数desc对x轴值进行排序，因此如果有帮助，就很容易看到。

3. 想象一下将＃2中的直方图像一个甲板一样放在一起并以3D形式显示它们。像这样：
   

4. 代替使用第三轴使用颜色来表示颜色，而是使用热图（2D直方图）：
   如果通常书店偏爱某些类别而不是其他类别，它将以从左到右的漂亮渐变显示。

您还有其他表示多个直方图的可视化想法/工具吗？

如您所知，您的问题没有简单的答案！

我想您是否有兴趣寻找奇怪的或不同的书店？如果是这种情况，那么您可以尝试使用PCA之类的工具（有关更多详细信息，请参见Wikipedia 群集分析页面）。

为了给您一个想法，请考虑以下示例。您有26个书店（名称分别为A，B，.. Z）。所有书店都类似，除了：

1. Z店只出售一些历史书籍。
2. OY商店出售的浪漫小说数量超过平均水平。

一个主要组成部分图突出显示了这些商店，以供进一步调查。

这是一些示例R代码：

> d = data.frame(Romance = rpois(26, 50), Horror = rpois(26, 100), 
               Science = rpois(26, 75), History = rpois(26, 125))
> rownames(d) = LETTERS
#Alter a few shops
> d[15:25,][1] = rpois(11,150)
> d[26,][4] = rpois(1, 10)
#look at the data
> head(d, 2)
       Romance Horror Science History
 A      36    107      62     139
 B      47     93      64     118
> books.PC.cov = prcomp(d)
> books.scores.cov = predict(books.PC.cov)
# Plot of PC1 vs PC2
> plot(books.scores.cov[,1],books.scores.cov[,2],
       xlab="PC 1",ylab="PC 2", pch=NA)
> text(books.scores.cov[,1],books.scores.cov[,2],labels=LETTERS)

这给出了以下图：

PCA图http://img265.imageshack.us/img265/7263/tmplx.jpg

注意：

1. z商店是一个偏僻的地方。
2. 其他商店组成两个不同的组。

其他可能性

您也可以查看GGobi，我从未使用过它，但是看起来很有趣。

我建议使用一个没有定义名称的名称（可能是“平行绘图”），看起来像这样：

基本上，您将所有书店的所有计数绘制为x轴上列出的类别上的点，并用线将每个书店的结果连接起来。不过，对于100万条线路，这可能仍太纠结。该概念来自csgillespie已经提到的GGobi。